买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉武汉烽火技术服务有限公司申请的专利对比解缠绕霍克图学习光网络故障预测方法及装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115695217B 。

龙图腾网通过国家知识产权局官网在2025-11-07发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211334606.X，技术领域涉及：H04L41/147；该发明授权对比解缠绕霍克图学习光网络故障预测方法及装置是由安黎;郑晶晶;戴攀设计研发完成，并于2022-10-28向国家知识产权局提交的专利申请。

本对比解缠绕霍克图学习光网络故障预测方法及装置在说明书摘要公布了：本发明提供了一种对比解缠绕霍克图学习光网络故障预测方法，首先将光网络故障数据进行预处理，将其转化为时间序列数据，所述光网络故障数据包括端口故障、板卡故障、断网、断电、断纤故障、网络节点设备信息和时间节点信息。接着构建对比解缠绕霍克图学习模型，所述模型包括嵌入模块、故障表示学习模块、自监督对比学习模块以及预测模块。将所述时间序列数据输入所述对比解缠绕霍克图学习模型对光网络故障数据中的故障进行预测。本发明通过构建对比解缠绕霍克图学习模型的光网络故障预测方法，从而提供对光网络故障进行精确预测的技术方案，提高了网络故障预测的准确性。本发明还提供了相应的对比解缠绕霍克图学习光网络故障预测装置。

本发明授权对比解缠绕霍克图学习光网络故障预测方法及装置在权利要求书中公布了：1.一种对比解缠绕霍克图学习光网络故障预测方法，其特征在于，包括如下步骤： S1.将光网络故障数据进行预处理，将其转化为时间序列数据，每个时间序列数据表示当前设备随时间变化发生的所有故障类型；所述光网络故障数据包括故障类型、网络节点设备信息和时间节点信息；所述故障类型包括端口故障、板卡故障、断网、断电和断纤故障； S2.构建对比解缠绕霍克图学习模型，将所述时间序列数据输入所述对比解缠绕霍克图学习模型，所述对比解缠绕霍克图学习模型实现光网络故障数据中的故障进行预测；所述对比解缠绕霍克图学习模型包括嵌入模块、故障表示学习模块、自监督对比学习模块以及预测模块，其中所述嵌入模块，用于以光网络设备的故障时间序列为输入，实现了输入时间序列的转换为密集向量表示；所述故障表示学习模块，用于利用输入的向量表示基于所述解缠绕霍克图卷积网络挖掘故障之间的复杂关系；所述自监督对比学习模块，用于通过构建节点的多个视图进行自监督学习，减轻噪声对学习过程的干扰以加快训练过程；所述预测模块，用于实现光网络故障的精准预测； 所述步骤S2中的故障表示学习模块，利用输入的向量表示基于所述解缠绕图卷积网络挖掘故障之间的复杂关系，具体包括： 首先，表示输入故障序列，即输入故障时间序列的向量表示，其中是中不同故障的数量；对于每个不同故障，每个故障由嵌入表示，表示嵌入空间，故障表示为，每个故障的嵌入被转换为个块，每个块代表复杂关系背后一个潜在原因： 其中，表示故障影响节点第个原因的嵌入表示，和是第个原因的参数，是非线性激活函数，表示采用L2正则化方法从而避免模型过拟合，当尚未输入，处于图卷积的第0层时，故障序列的初始嵌入为：，其中，； 接着迭代地执行图卷积的基本思想，通过在图上的传播和聚合来学习块的表示： 表示最终第层后输出的因子嵌入表示，表示第层的第行因子嵌入表示，通过个图卷积层，最终输出的第个因子的平均嵌入表示为，和分别表示更新门和重置门，和分别表示故障影响节点与相邻故障影响节点之间的入度相似矩阵和出度相似矩阵的第行，表示图卷积中的聚合操作，、、、和均是学习的传播过程中权重矩阵，、是约束项防止模型过拟合，是sigmoid激活函数，表示逐元素乘法运算。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人武汉烽火技术服务有限公司，其通讯地址为：430205 湖北省武汉市东湖开发区关山二路附4号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。